作者｜沙丘智库研究团队
来源｜沙丘社区（www.shaqiu.cn）
随着人工智能技术的飞速发展，全球银行业都在经历着一场由大模型技术引领的变革，不仅将改变银行业的服务方式，还将重塑客户体验和业务流程。
近期，沙丘智库发布了《2024中国银行业大模型应用场景评估报告》和《2024中国银行业大模型案例跟踪报告》，系统性地分析了当前对中国银行业而言最有价值、最具可行性的20个大模型应用场景，并展示了70个中国银行业大模型实践案例，旨在帮助企业全面了解大模型在中国银行业的落地情况。
国外银行业在大模型技术的应用上同样表现出积极探索的态度，但与国内银行业相比，在技术路线、落地场景、应用进程等方面存在较大不同。通过对国外银行业大模型应用的深入研究，并与中国银行业大模型应用进行对比，沙丘智库得出如下结论：
第一，从技术路线上看，国外银行大多选择外采，而国内银行则普遍采取自建或与专业机构联合共建。大部分国外银行不开发自己的大模型，而是直接采购外部商用大模型，例如花旗银行、西太平洋银行、荷兰银行等都选择了采购OpenAI的大模型产品。为了避免将数据暴露给外部供应商，国外银行通常会采取一些数据安全方面的措施，例如摩根大通通过包装和外挂的方式，向员工提供OpenAI的ChatGPT服务。
第二，国外银行直接对客使用的大模型应用较多，而国内银行则更多是对内服务。以最典型的智能客服场景为例，国外银行使用大模型技术开发聊天机器人直接面客服务，例如Tonik银行（总部位于菲律宾的数字银行）在其移动应用中推出了生成式AI聊天机器人，能够以类似人类的准确性和同理心理解和回应查询，为用户提供即时信息访问，减少等待时间；国内银行则更多是将大模型用于对内的客服坐席助手场景，辅助客服人员完成客户互动。大模型的幻觉问题使其在面客时存在不确定性风险，国外银行依旧对这一点保持谨慎，摩根大通首席数据和分析官Heitsenrether曾表示，“银行对直接接触个人客户的生成式AI更加谨慎，因为聊天机器人可能会提供错误信息”。
第三，国外银行用于核心业务场景的变革型应用更丰富，而国内银行更多是实现降本增效的赋能型应用。大模型用于核心业务场景可以为企业带来巨大的竞争优势，国外银行已经开始将大模型用于核心业务场景，例如产品定价、资金管理、反欺诈等。国内银行更多是在探索知识助手、编码助手、办公助手等赋能型大模型应用，但一些头部银行已经开始向核心场景迈进，例如在工商银行基于大模型打造的ChatDealing产品建设报价员助手，依托量化策略模型，为小额交易提供智能报价，实现对客交易效率提升3倍，询价交易笔数同比增长40%，带来利润超亿元。
为了帮助国内银行更好地借鉴国外同业经验，沙丘智库梳理国外银行大模型典型案例如下：
01
虚拟数字客服（对外）
案例1：Tonik银行
Tonik银行成立于2021年，总部位于菲律宾，是东南亚首家数字银行。Tonik银行需要解决客户在获取服务时可能遇到的长时间等待问题，特别是在数字银行服务中，客户期望能够快速获得响应。
Tonik银行在其移动应用中推出了生成式AI聊天机器人，能够以类似人类的准确性和同理心理解和回应查询，为用户提供即时信息访问，减少等待时间。
通过生成式AI聊天机器人，Tonik银行减少了客户等待时间，提高了服务的响应速度，提升了客户的整体满意度。预计在未来三年内，GenAI聊天机器人将为Tonik银行节省超过2000万美元。
案例2：NatWest银行
NatWest银行成立于1968年，总部位于英国，是全球最大、资本质量最佳的银行集团之一。NatWest银行利用 IBM 的企业级人工智能和数据平台 Watson X 创建了一个虚拟助理Cora+，为客户提供更具互动性和对话性的体验。客户可以比较产品和服务，询问有关银行和工作机会的信息。
案例3：新韩银行
新韩银行是韩国最大的商业银行之一。通过与DeepBrain AI合作，推出了GenAI银行柜员机。这些AI柜员机以实际银行员工为原型，提供交互式实时客户服务。它们集成了语音和视频合成功能，可在数字办公桌和智能自助服务终端上提供逼真的对话。
GenAI技术克服了ATM功能有限和缺乏情感的数字交互等挑战。GenAI银行柜员机可处理64项任务，从存款到贷款申请，保持人性化。这既提高客户满意度，也减少了银行的等待时间和运营成本，同时提供24/7全天候服务。
案例4：德国商业银行
德国商业银行于1870年成立，是德国三大银行之一。德国商业银行希望通过数字和人机交互融合来优化客户服务体验。
德国商业银行利用Microsoft Azure OpenAI开发了Banking Avatar，这是一种能够使用自然语言与客户交谈的虚拟助手，Banking Avatar可以回应客户询问以及给予关于德国商业银行的服务建议。在早期的测试中，客户体验、银行流程等均有显著的改善。
案例5：ING银行
ING（荷兰国际集团）是一家植根于荷兰的全球化金融机构，拥有员工113,000人，在全球50个国家为6千多万客户提供银行、保险及资产管理服务。
ING每周都会通过电话和在线聊天服务85,000名客户，荷兰是其核心市场之一。虽然这些聊天中40%-45%的请求通常可以通过当前的传统聊天机器人解决，但每周仍有16,500名客户需要与现场坐席交谈以寻求帮助。这可能会让客户等待更长时间，因为他们只能在工作时间内获得非紧急请求的现场帮助。
ING联合麦肯锡打造了一款GenAI聊天机器人，该机器人可为客户提供即时定制帮助，同时保持明确的安全边界以降低风险。在测试期间，新一代AI聊天机器人面向荷兰10%使用移动应用支持聊天功能的真实客户发布。它提供的客户体验明显优于传统聊天机器人，为客户提供更详细、更个性化的响应，并帮助他们更快地解决疑问。
02
智能财富助理（对外）
案例6：富国银行
美国富国银行（WELLS FARGO），创立于1852年，总部设在旧金山，是美国唯一一家获得AAA评级的银行。
在年轻一代财务压力正在上升之际，富国银行希望在他们的财务旅程中提供支持和帮助，因此开发了虚拟助手-Fargo，并嵌入到富国银行的应用程序中，用户可以通过搜索的方式输入需求解决问题，Fargo能够提供“通过个性化洞察比较每月消费情况和月趋势、一站式管理你的付款并查看即将到期的账单等帮助”,通过这种便捷的交互方式，从而提升客户的情感和财务状况。
案例7：Erste银行
Erste银行成立于1819年，是奥地利最大的商业银行。Erste Bank希望为客户提供个性化金融服务助手，在几秒钟内为客户解答他们的财务健康度以及其他与资产相关的话题，目的是让客户以一种易于使用的方式获取财务知识。
Erste 银行在其网站上提供了一个使用自然语言的文本聊天机器人，可以全天候回答金融相关问题，这些答案反映了该银行200多年来积累的金融知识。Erste 银行将ChatGPT的常识和对话能力与具体的金融知识相结合，从Erste银行的所有网站、出版物和知识文件中提取内容，并将其输入知识库，然后将其作为模型的基础，该数据库总共包含3,400多个条目。
在测试阶段，该解决方案与金融专家进行了3,300次聊天，收到了1,700多条反馈，弥补了 457个知识缺口。
案例8：汇丰银行
汇丰在 AI Markets 平台内开发了一个聊天机器人，这是一个面向机构投资者的数字助理，为客户提供来自汇丰全球市场部门的专有数据，这些数据可用于定价和执行交易或生成实时市场评论。
AI Markets平台与汇丰银行的集中式本地数据库集成，从内部通信和客户互动等广泛来源获取信息，提供可操作的专有市场洞察。
03
智能编码助手
案例9：西太平洋银行
西太平洋银行是澳大利亚四大银行之一，是成立于1817年的澳洲第一家银行。
西太平洋银行增长实验室启动了人工智能编码助手的实验。将 60 名工程师聚集在一起，随机分成四组，其中一组是对照组、三组是实验组。对照组必须手工编码，基本做做平时会做的事情；其他三组则分别使用微软、亚马逊和 OpenAI 的人工智能编码助手工具，并用三、四个小时熟悉基础知识。每个小组被分配了七项任务，涉及各种编码语言，包括提取和导出数据、创建单元测试和数据转换。
与按常规方法编码的对照组相比，在人工智能编码助手的支持下，三个实验组的编码效率全面提高了46%。
案例10：澳新银行
澳新银行是澳大利亚主要商业银行之一，澳新银行正在通过将人工智能技术融入日常运营来拥抱数字化转型。该银行已将GitHub Copilot部署到3,000名开发人员，帮助他们将编码任务完成速度提高40%。此外，澳新银行还扩大了Microsoft 365 Copilot的使用范围，在成功试用后又提供了3,000个许可证。这些工具使员工能够简化任务，腾出时间进行战略思考和人际互动。
案例11：加拿大帝国商业银行
加拿大帝国商业银行（CIBC）是加拿大主要的商业银行之一，CIBC宣布推出两款人工智能驱动的工具，旨在提高生产力并支持其以客户为中心的战略。一个是CIBC人工智能平台，该平台通过自动化日常任务来促进创新和简化运营，这款生成式人工智能工具使CIBC团队成员能够快速总结文档、生成会后材料和起草电子邮件，从而让他们能够专注于更高价值、以客户为中心的活动。CIBC人工智能平台的试点阶段于7月底启动，包括加拿大、美国和英国的员工，并将为更广泛的实施提供重要见解。
另一个是GitHub CoPilot，目前已向银行开发人员广泛推广。GitHub CoPilot 通过提供代码建议、自动执行重复任务和提高整体编码效率来帮助开发人员。实践证明，该工具在加快开发周期和提高代码质量方面非常有价值，在试点项目中表明，整个企业各个系统上工作的开发人员社区的生产力提高了10%至15%。
04
智能办公助手
案例12：摩根大通
摩根大通是美国资产规模最大的银行，截至2024年6月份，摩根大通拥有约 313,000 名员工。在2024年下半年，摩根大通与OpenAI合作推出生成式AI助手-LLM Suite，截止8月份已面向6万多名员工开放，帮助他们完成撰写电子邮件和报告等任务。
案例13：南州银行
南州银行是美国南部地区最具影响力的区域银行之一。南州银行旨在利用ChatGPT提高员工的工作效率，增强员工对银行产品和法规的了解。
员工使用企业版 ChatGPT 执行各种任务，如综合和汇总知识、生成图形、分析开源代码和综合代码库、汇总电子邮件、撰写银行营销文案、起草电子邮件和法律合同；
员工还使用 ChatGPT 来检测欺诈交易、提供个性化金融建议、回答客户常见问题、接待新客户，以及为工作产品提供信息。
05
员工知识助手
案例14：加拿大帝国商业银行
加拿大帝国商业银行的一线团队在使用知识中心时面临信息过载的问题。加拿大帝国商业银行启动了一个生成式AI试点项目，旨在通过类似ChatGPT的界面简化一线团队成员获取信息的方式。通过生成式AI界面，员工可以输入问题，系统会利用认知搜索能力提供简洁、易于理解的答案，从而减少他们筛选信息的时间。这个试点项目计划分阶段进行，目标是到2024年底在全国范围内推广。
生成式AI的引入使得一线团队成员能够更快地访问所需信息，从而更准确地响应客户咨询，提高了服务效率。
06
客服坐席助手
案例15：荷兰银行
荷兰银行试点使用ChatGPT来支持客服坐席，使坐席人员在服务客户时能够更快、更有效率、更加专注。
第一个试点项目是对客户的对话内容进行摘要汇总，银行客服过去会在客户通话期间做笔记，事后总结摘要，通过 ChatGPT 来生成这些摘要，客服坐席只需在事后检查是否准确；第二个试点项目是通过智能搜索和产品及服务提供的无缝概览来支持呼叫中心的客服坐席。
两个试点项目都取得了初步的成功：摘要总结使得客服坐席有更多时间专注于客户，而无需“草草记下笔记”；客服坐席发现在产品文档中查找特定信息变得更加容易，并且能够更好地服务更多客户
参与试验的20名客服坐席已经请求添加更多新功能，荷兰银行也将试点扩展到200名员工。
07
智能投研助手
案例16：摩根大通
摩根大通生成式AI助手-LLM Suite是公司AI集成战略的一部分，不仅应用于通用办公领域，还可充当研究分析师角色，来撰写、构思和总结文档，该工具最初面向5万名员工推出，下一阶段将扩展到资产和财富管理部门。
08
异常交易监测
案例17：摩根大通
摩根大通使用大语言模型来捕捉电子邮件中的欺诈迹象以及银行经常遇到的许多其他类型的欺诈行为。
摩根大通的欺诈检测技术从最开始使用基本业务规则和决策树发展到使用机器学习，现在使用更高级的人工智能从非结构化数据中提取实体，如公司和人名，并分析它们是否有欺诈迹象。
案例18：卢森堡国际银行
卢森堡国际银行（BIL）创建于1856年，是卢森堡历史最悠久的银行集团，卢森堡国际银行采用了Temenos的GenAI解决方案，通过替换过时的遗留系统实现了核心银行业务的现代化。
Temenos GenAI 解决方案已集成到卢森堡国际银行的核心银行业务和反金融犯罪系统中。在核心银行业务中，GenAI 优化了工作流程，改善了日常任务，简化了产品创建和账户管理。这一升级大大提高了银行的运营效率和客户服务质量。在减少金融犯罪方面，GenAI可从数据中提取可操作的情报，显著提高直通式处理(STP)的效率。
09
资金管理助手
案例19：澳大利亚国民银行
澳大利亚国民银行成立于1858年，是澳大利亚四大银行之一。澳大利亚国民银行与Trovata合作，为该银行的企业客户提供Liquidity+解决方案。通过 Liquidity+解决方案，财务团队可以将银行余额和交易数据无缝集成到一个平台中，该平台可自动执行大量现金管理工作流程，包括现金定位、现金流分析和预测。
通过 Liquidity+解决方案将有助于减少企业财务和司库部门在汇编、处理和规范化财务数据方面所花费的时间。
10
产品定价
案例20：三井住友信托银行
三井住友信托银行是一间日本的信托银行，隶属于住友集团。三井住友信托银行与Zapata AI合作，利用量子科学增强的GenAI进行高级金融建模，旨在改变金融时间序列数据的处理和理解方式。
交易者和投资者将受益于由更复杂的市场情景模拟产生的更强大的决策工具。此外，这项合作还将完善衍生品定价和价值调整，提高金融业务的精确度。
11
监管合规政策解读
案例21：花旗银行
当联邦监管机构发布了新的资本规定时，花旗银行的风险与合规团队利用生成式AI技术评估新联邦法规对银行风险和合规战略的影响。
花旗银行使用生成式AI审查了长达 1,089 页的有关美国银行业的新资本规定，生成式AI将提案分块整理，并撰写了关键要点，由团队提交给即将离任的财务主管。
12
信贷审批助手
案例22：BankWell银行
BankWell银行成立于2002年，是美国的一家中小型商业银行。BankWell银行利用Casca 的AI助手对潜在的小企业借款人进行资格预审并发放贷款。
在试点中：AI助手会验证客户提交的资格预审信息，并对申请进行分析，以确定哪些贷款可以获得批准；随时向借款人通报贷款申请状态；提供客户需要提供的其他信息或文件。人工跟踪确保每个案例都经过额外审查，以确保准确性。Casca 还在贷款发放系统中提供完整的审计日志，以便提供可解释性。
案例23：西太平洋银行
西太平洋银行在贷款申请流程中使用生成式AI技术，帮助一线业务人员、联络中心客服和抵押贷款工作人员检查客户所提交信息的质量，并通过避免与客户来回沟通来简化贷款流程。
预计该工具将帮助贷款工作人员检查客户提交的信息质量，并使贷款审批过程无缝、直接。
更多研究：
*更多生成式AI研究可前往“沙丘智库”小程序查阅
*有任何需求可咨询客服微信：zimu738
